<![CDATA[Kemajuan teknologi terkini telah memicu peningkatan penggunaan kartu kredit yang signifikan, sehingga meningkatkan persentase penipuan kartu kredit baik dalam transaksi offline maupun online. Meskipun langkah-langkah seperti kode PIN, chip tertanam, dan kunci tambahan seperti token telah meningkatkan keamanan kartu kredit, lembaga keuangan dituntut untuk memperkuat kontrol penggunaan dan menerapkan sistem pemantauan waktu nyata untuk segera mengidentifikasi dan mengurangi aktivitas yang mencurigakan. Karena semakin populernya transaksi non-tunai, penipuan kartu kredit telah menjadi salah satu penipuan yang paling umum dan menyebabkan kerugian besar bagi lembaga keuangan dan individu dalam kehidupan nyata. Deteksi transaksi penipuan harus sangat cepat dan efektif. Ada lebih dari satu juta transaksi yang terjadi setiap hari, dan sulit untuk menyatukan setiap transaksi secara individu. Dengan demikian, sistem deteksi penipuan yang efektif digunakan untuk membedakan transaksi asli dan penipuan. Dalam jurnal ini, algoritma Support Vector Machine (SVM) digunakan untuk membangun model untuk menangani masalah deteksi penipuan kartu kredit. Penelitian ini menghasilkan kinerja algoritma Support Vector Machine (SVM), dalam mengidentifikasi transaksi keuangan yang mencurigakan. Penelitian ini bertujuan untuk mengembangkan model deteksi penipuan yang akurat dan efisien dengan memanfaatkan algoritma SVM. Dalam penelitian ini, data transaksi online maupun offline yang terdiri dari transaksi sah dan penipuan akan digunakan sebagai dataset. Proses penelitian meliputi tahapan preprocessing Data, model pelatihan dengan manfaat SVM, dan penilaian kinerja model berdasarkan ukuran akurasi, presisi, recal,dan F1-score. Diharapkan model yang dibuat dapat mengidentifikasi penipuan dengan akurasi yang tinggi dan dapat diterapkan secara efisien dalam sistem transaksi baik online maupun offline untuk meningkatkan keamanan dan kepercayaan para pengguna.]]>
